發(fā)育機器人集成學習算法研究.pdf

1、制造出“類人”的智能機器人，一直以來是機器人學乃至整個人工智能界所追求的終極目標。以自主心智發(fā)育為核心的發(fā)育機器人為實現(xiàn)這一目標提出了新的設計范式，并為實現(xiàn)這一目標開辟了一條新的途徑。發(fā)育機器人的最大優(yōu)點是：模仿人類心理發(fā)育過程，無須面向任務進行編程，將程序員從繁重的體力與腦力勞動中解放了出來，同時具有在線學習等優(yōu)點，很快便成為了機器人領域的研究熱點之一。但是現(xiàn)有的發(fā)育機器人算法都存在著兩個共同的缺陷，那就是無法有效的處理任務沖突和泛化

2、能力有限的問題，如何解決這兩個問題是當務之急。 本文首先給出了發(fā)育機器人的概念，并綜述了發(fā)育機器人的國內外研究現(xiàn)狀及其特點，重點分析了發(fā)育機器人領域現(xiàn)有的主要學習方法及其主要優(yōu)缺點。其次，介紹了一種機器學習范式—集成學習，它使用多個學習器來解決同一個問題，能夠顯著提高學習系統(tǒng)的泛化能力，因此本文把集成學習方法引入發(fā)育學習算法中以提高泛化能力。針對現(xiàn)有的發(fā)育學習算法主要缺點，即：不能有效地解決任務的沖突性和泛化能力有限的問題，本文

3、分別給出了任務驅動發(fā)育學習算法(TDD)和任務驅動算法集成(NCETDD)。NCETDD算法是在TDD算法的基礎上對其主要載體BP神經(jīng)網(wǎng)絡進行負相關學習的有效集成。在實驗部分本文從多任務性方面對TDD算法進行了性能測試，并從實時性和任務區(qū)分性兩個方面對TDD和IHDR進行了實驗比較。而對NCETDD則在此基礎上增加了泛化能力的測試。仿真實驗與實體實驗的結果表明了NCETDD算法不僅可以有效地解決任務沖突，而且有效地提高了發(fā)育機器人的泛化